spark-submit使用standalone模式提交的时候,会通过反射的方式,创建和构造一个DriverActor进程出来
Driver进程执行我们编写的代码,构造出SparkContext,SparkContext在初始化的时候,做的最重要的两件事情,就是构造出
DAGScheduler和TaskScheduler.
构造TaskScheduler时,通过自己的后台进程进程去连接Spark集群中的Master,向Mater注册Application
Master接收到Application注册的请求之后,会使用自己的资源调度算法,在spark集群的worker上,为这个Application启动多个Executor
Master通知worker启动Executor. (SparkContext是一个对象,Executor是一个进程)
Executor启动后干的第一件事情:自己反向注册到TaskScheduler上去。 (这样TaskScheduler就知道master为自己启动了几个Executor)
当所有Excutor都反向注册到driver上完成以后,Driver结束SparkContext初始化,继续执行我们自己编写的代码
每执行到一个action,就会创建一个job,job会提交给DAGScheduler
DAGScheduler会降job划分为多个stage(每次宽依赖),然后每个stage创建一个TaskSet。
每个TaskSet会给TaskScheduler会吧TaskSet里的每一个Task提交到Executor上执行(task分配算法)
Executor中有线程池。
Executor每接收到一个task,都会用TaskRunner来封装task,然后从线程池取出一个线程来执行这个Task
TaskRunner:将我们编写的代码,也就是要执行的算子以及函数,拷贝,反序列化,然后执行Task
Task有两种:ShuffleMapTask和ResultTask,只有最后一个stage是ResultTask,之前的stage都是shuffleMapTask
所以,最后整个spark应用程序的执行,就是stage分批次作为taskset提交到executor执行,每个task针对RDD
的一个partition,执行我们定义的算子和函数,以此类推,知道所有操作执行完毕为止。
SparkContext的架构图